如何用决策模型做 LLM Evals：从阈值调优到概率校准的实践解读

作者解读 Anthropic 关于 Claude Code 代码评审重构的博客：Claude 写了约 90% 的代码，2026 年 6 月到 9 月合并 PR 翻倍以上而 revert 率下降超 40%。

Uber 发布 AutoClean 系统的工程实践解读，用 AI Agent 加确定性工具累计清理 1.6 万多个过期 feature flag、超过 100 万行死代码。

作者解读 MIT 课程 MAS.S62「How to AI an AI」Lecture 4-5 两讲，主题为 Harness 与多 agent 系统的演化。

作者介绍 MIT Media Lab 2026 年秋季研究生课程 MAS.S62「How To AI an AI」，主题为自演化 AI，由 Paul Liang 开设，Kimi AI 提供 API 赞助。

作者整理 Stripe 首席设计官 Katie Dill 在 Lenny's Summit 演讲的要点，讲如何用 AI 规模化扩展意图、品质与艺术性。

邵猛转发 LangChain 团队 Divya Santhanam 以 Q&A 形式发布的 Agent Evals 实践指南（https://www.langchain.com/blog/common-questions-about-agent-evals）。

Matt Pocock 提议为 /grill-me Skill 增加 GRILL.md 配置文件，用于定制拷问式提问的行为。它支持用配置组合取代命令变体，如在 GRILL.md 中写"调用 domain-modeling Skill"即可替代 /grill-with-docs；还能定制规划阶段关注的侧重点（如安全、模块划分策略），以及选择逐条提问还是一次性列出全部问题。

Claude 工程负责人 Felix Rieseberg 发布教程，认为 AI 能力已跑在人的想象力前面，瓶颈是人不敢要。他把更有雄心拆解为高度、深度、广度三类：追问目标背后的目标、逼模型用顶级专业工具并以外部裁判验证、把名词还原成动词以调动更多领域，并强调需给模型电脑、装软件能力和数据访问权（如 MCP）作为前提。

@HamelHusain 将其 Applied AI Evals 课程的要点浓缩成 13 张信息卡，链接见 https://hamel.dev/notes/llm/evals/flashcards/。

面壁智能 MiniCPM-V 团队介绍支撑 MiniCPM-V 4.7 端侧运行的前瞻专家调度（LES）技术，称首次实现 35B-A3B 规模 MoE 在端侧实时无损运行，iPhone 18 Pro Max 实测解码超 20 token/s。